超越5G的数据采集技术：迈向网络数字孪生

《Computer Communications》：Beyond-5G data collection towards Network Digital Twins

　　

Pedro Valente | Eurico Dias | Mariana Perna | Bernardo Marujo | Jo?o Gameiro | Pedro Rito | Duarte Raposo | Susana Sargento

摘要

6G网络的出现带来了新的挑战，其中包括对超密集网络的规划，这些网络可以通过网络数字孪生技术（Network Digital Twins，NDTs）进行优化。在智能城市中，NDTs尤为重要，因为它们整合了网络数据和交通数据，从而实现自适应和智能管理。本研究提出了一种NDT，用于分析城市交通对5G网络的影响。该NDT环境将真实的和模拟的城市交通情况与仿真的5G基站相结合，模拟行驶中的车辆如何接入5G网络服务。所提出的系统利用具有实时和历史数据收集功能的指标体系，来支持对未来5G网络的预测和模拟。该系统结合了现实世界的数据收集和大规模网络仿真，采用了诸如SUMO框架、UERANSIM以及Kubernetes等开源项目，以模拟车辆与5G基站之间的多次车对网（V2X）连接。该NDT建立了城市交通与网络行为之间的联系，为在移动和动态环境中规划和仿真未来的5G网络管理方案奠定了基础。测试了多种场景，例如随机交通流、设有路障的马拉松路线以及车道关闭的情况。结果表明，在快速道路上阻断环形交叉路口时，某个5G天线的车辆和数据流量会显著增加；而在5G基站所在位置关闭其中一个入口车道后，运行过程中的天线资源利用率明显降低，且天线资源的分配更加均衡。